面向内镜图像数据的深度贝叶斯主动学习排序

基于图像的疾病严重程度自动估计通常使用离散（即量化）的严重程度标签。由于图像严重程度模糊，标注离散标签往往困难。一种更简便的替代方案是使用相对标注，即比较图像对之间的严重程度水平。通过使用带相对标注的学习排序框架，我们可以训练一个神经网络，估计相对于严重程度水平的排序分数。然而，对所有可能图像对进行相对标注难以实现，因此必须适当选择样本对。本文提出一种深度贝叶斯主动学习排序方法，在训练贝叶斯卷积神经网络的同时自动选择适当的图像对进行相对标注。我们通过对溃疡性结肠炎内镜图像的试验证实了所提方法的效率。此外，我们确认由于该方法能自动从少数类中选样，即便在严重类不平衡情况下也同样有效。